ADN：用于无监督金属伪影抑制的伪影解耦网络
图像与视频处理
2019-12-02 v4 计算机视觉与模式识别
摘要
当前基于深度神经网络的计算机断层扫描（CT）金属伪影抑制（MAR）方法均为依赖合成金属伪影进行训练的有监督方法。然而，由于合成数据可能无法准确模拟 CT 成像的底层物理机制，这些有监督方法常难以泛化至临床应用。为解决此问题，据我们所知，我们提出了首个无监督 MAR 学习方法。具体而言，我们引入一种新颖的伪影解耦网络，在隐空间将金属伪影从 CT 图像中解耦。它支持不同形式的生成（伪影抑制、伪影迁移与自重建等），并借助专用损失函数，免去对合成数据监督的需求。大量实验表明：应用于合成数据集时，我们的方法在应对金属伪影上显著优于为自然图像到图像翻译问题设计的现有无监督模型，并达到与现有有监督 MAR 模型相当的性能；应用于临床数据集时，我们的方法相较有监督模型展现出更优的泛化能力。本文源代码公开于 https://github.com/liaohaofu/adn。
引用
@article{arxiv.1908.01104,
title = {ADN: Artifact Disentanglement Network for Unsupervised Metal Artifact Reduction},
author = {Haofu Liao and Wei-An Lin and S. Kevin Zhou and Jiebo Luo},
journal= {arXiv preprint arXiv:1908.01104},
year = {2019}
}
备注
This is the extended version of arXiv:1906.01806. This paper is accepted to IEEE Transactions on Medical Imaging